数学 > 统计理论
[提交于 2017年6月1日
]
标题: 条件离散响应模型的新拟合优度诊断方法
标题: New goodness-of-fit diagnostics for conditional discrete response models
摘要: 本文提出了针对条件模型的新规范检验方法,这些模型对于应用有效的最大似然法、获得偏效应的一致估计以及对未来事件概率的适当预测至关重要。 特别是,我们检验了静态和动态有序选择模型的规范,并可以涵盖无限支持分布(例如计数数据)。 离散响应模型的传统规范检验方法基于扰动离散数据的概率积分变换,在真实的条件分布下生成连续均匀独立同分布序列。 然后,可以将连续变量的标准规范检验技术应用于变换后的序列,但扰动带来的额外随机性会影响这些方法的功效属性。 本文研究了一种基于原始离散数据的替代变换方法,避免了任何随机化。 我们分析了基于这种新变换的良好性检验的渐近性质,并探讨了模型和参数相关的检验统计量临界值的自助算法在有限样本中的性质。 我们通过理论分析和模拟表明,与基于随机化的检验方法相比,我们的方法在功效方面更具优势。 我们将新的检验方法应用于联邦储备银行执行的货币政策模型。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.